148文章解读与程序——EI\CSCD\北大核心《基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度（MAT》已提供下载资源

最新推荐文章于 2024-10-17 11:39:06 发布

电网论文源程序

最新推荐文章于 2024-10-17 11:39:06 发布

阅读量838

点赞数 23

分类专栏：论文与完整源程序文章标签：算法

本文链接：https://blog.csdn.net/LIANG674027206/article/details/141231547

版权

论文与完整源程序专栏收录该内容

250 篇文章 247 订阅

订阅专栏

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

1.单目标优化调度模型已不能满足专家的偏好，多目标优化可满足不同帕累托前沿的选择。输出包括帕累托曲线图、方案调度图等等

2.该多目标蜣螂算法将传统单目标蜣螂算法与非支配排序策略相结合，用于求解多目标问题，多目标蜣螂算法也可以换成多目标水母算法、多目标灰狼算法等等，适合需要创新的买家～

3.文件夹内也赠送多目标微电网优化调度模型PDF介绍

部分代码展示：

function MultiObj = GetFunInfo(TestProblem) %46个多目标测试函数
switch TestProblem
    case 1
        global P_load; %电负荷
        global WT;%风电
        global PV;%光伏
        global buy_price;%买电电价
        global sell_price;%售电电价
        %获取数据
        data=xlsread('data.xlsx');
        P_load=data(:,1);
        PV=data(:,2);
        WT=data(:,3);
        buy_price=data(:,4);
        sell_price=data(:,5);
        %蓄电池最大放电功率（正表示为电负荷供电，即放电）
        BESSMax_dischar=30;
        %蓄电池最大充电功率
        BESSMax_char=-30;
        %柴油机最大发电功率
        DEMax=30;
        %柴油机最小发电功率
        DEMin=6;
        %燃气轮机最大发电功率
        MTMax=30;
        %燃气轮机最小发电功率
        MTMin=3;
        %主网交互最大功率(正表示为电负荷供电)
        GridMax=30;
        %主网交互最小功率
        GridMin=-30;
        %各设备出力约束
        for n=1:144 %粒子长度为144（光伏，风电，储能，柴油,燃气轮机，主网的6*24个小时出力）
            if n<25
                lower_bound(n)=0;
                upper_bound(n) =PV(n);
            end
            if n>24&&n<49
                lower_bound(n)=0;
                upper_bound(n) =WT(n-24);
            end
            if n>48&&n<73
                lower_bound(n)=BESSMax_char;
                upper_bound(n) =BESSMax_dischar;
            end
            if n>72&&n<97
                lower_bound(n)=DEMin;
                upper_bound(n) =DEMax;
            end
            if n>96&&n<121
                lower_bound(n)=MTMin;
                upper_bound(n) =MTMax;
            end
            if n>120
                lower_bound(n)=GridMin;
                upper_bound(n) =GridMax;
            end
        end
        CostFunction = @Fun;
        nVar = 144;
        VarMin = lower_bound;
        VarMax = upper_bound;
        name='微电网优化';
        numOfObj = 2;
end
MultiObj.nVar=nVar;
MultiObj.var_min = VarMin;
MultiObj.var_max =VarMax;
MultiObj.fun=CostFunction;
MultiObj.numOfObj=numOfObj;
MultiObj.name=name;
end
function o=Fun(x)
o=prob(x) ;
end

效果展示：